A Sieve Semiparametric Maximum Likelihood Approach for Regression Analysis of Bivariate Interval-Censored Failure Time Data
双变量区间删失失效时间回归的筛半参数极大似然方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦双变量区间删失与生存回归，未明确涉及给定的因果、面板、分位数或金融方向，因此不指定细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
双变量区间删失失效时间回归的筛半参数极大似然方法
- 研究问题
- 针对两个失效时间均受到区间删失的数据，如何建立灵活的回归模型，并对回归参数进行具有理论保证的估计与推断？
- 方法与思路
- 作者提出半参数变换模型类，包含比例风险模型作为特例，利用 Bernstein 多项式构造筛极大似然估计方法。
- 材料陈述的贡献
- 摘要称回归参数估计量具有强一致性、渐近正态性和渐近效率，并通过较广泛的模拟研究考察方法的实践表现。
- 阅读关注点
- 应核对双变量联合结构、删失机制条件、筛空间及阶数选择，以及渐近效率所依据的模型和信息界定义。
- 阅读边界
- 材料为版本未注明的 OpenAlex 摘要；删失和依赖结构的具体假设未说明，不能将效率结论推广至任意删失数据。
原文摘要
Interval-censored failure time data arise in a number of fields and many authors have discussed various issues related to their analysis. However, most of the existing methods are for univariate data and there exists only limited research on bivariate data, especially on regression analysis of bivariate interval-censored data. We present a class of semiparametric transformation models for the problem and for inference, a sieve maximum likelihood approach is developed. The model provides a great flexibility, in particular including the commonly used proportional hazards model as a special case, and in the approach, Bernstein polynomials are employed. The strong consistency and asymptotic normality of the resulting estimators of regression parameters are established and furthermore, the estimators are shown to be asymptotically efficient. Extensive simulation studies are conducted and indicate that the proposed method works well for practical situations. Supplementary materials for this article are available online.